侵權、搶功爭議不斷，Stability AI 陷入?漩渦
加入技術(shù)交流群
無(wú)數創(chuàng )業(yè)產(chǎn)品和業(yè)余項目出現，谷歌、字節等巨頭公司也都紛紛入局——最近 AI 創(chuàng )作這條賽道有多擁擠，已經(jīng)無(wú)需多言。
所有參賽選手當中，最火的一家莫過(guò)于 Stable Diffusion。該項目背后的公司之一 Stability AI，也成為了行業(yè)的當紅炸子雞。號稱(chēng)“要讓10億人用上開(kāi)源大模型”的它，前不久剛剛完成了1億美元融資，估值達到10億美元躋身獨角獸行列，
然而就在上周，Stable Diffusion 項目，以及這家風(fēng)頭正勁的公司，突然接連卷入兩場(chǎng)爭議：
不僅被藝術(shù)創(chuàng )作者“群起而攻之”，還被合作伙伴“反水”，被質(zhì)疑“搶功”……
/ 偷風(fēng)格，算偷嗎？ /
上周，美國媒體 CNN 采訪(fǎng)了多位藝術(shù)家。這些受訪(fǎng)者憤怒地表示：無(wú)法接受 Stable Diffusion 用他們的作品，卻砸他們的飯碗。
這些藝術(shù)家的作品，或者更準確來(lái)說(shuō)，他們在作品中所體現的風(fēng)格，都被 Stable Diffusion 用于訓練模型了。
受訪(fǎng)者之一是在藝術(shù)節有一定知名度的油畫(huà)家 Erin Hanson。她的油畫(huà)作品用色風(fēng)格非常獨特，采用了更加多樣化、具有視覺(jué)沖擊力的色彩，且飽和度極高，已經(jīng)在藝術(shù)圈內形成了個(gè)人特色。
前段時(shí)間 Stable Diffusion 爆紅之后，Hanson 注意到有人用這個(gè)模型生成的一些圖片結果，竟然有自己作品的味道。
經(jīng)過(guò)進(jìn)一步調查，她更加驚訝了：用戶(hù)甚至可以在生成圖片的時(shí)候，直接輸入“Erin Hanson 風(fēng)格”作為文字提示的一部分。Stable Diffusion 生成的結果，和 Hanson 已經(jīng)發(fā)表的作品幾乎一模一樣……
如果不注意畫(huà)中 Hanson 的簽名水印的話(huà)，你可能完全會(huì )以為兩張都是 Hanson 的親筆創(chuàng )作：
圖片來(lái)源：Erin Hanson（左）、Rachel Metz via Stable Diffusion（右）
但其實(shí)左邊有簽名水印的才是 Hanson 的正版作品 "Crystalline Maples"；右邊則是 CNN 記者通過(guò) Stable Diffusion 生成的結果，使用的文字提示包括：水晶油畫(huà)，光和影，背光的樹(shù)，強烈輪廓，彩色玻璃，現代印象派，Erin Hanson 風(fēng)格等。
“如果我把它掛在我的墻上，應該毫不違和吧？”Hanson 對 Stable Diffusion 的“創(chuàng )作能力”表示相當驚訝。
但在仔細研究了 Stable Diffusion 工作機制之后，她才明白過(guò)來(lái)：這個(gè) AI 模型根本沒(méi)有自己的創(chuàng )作能力。
因為它的風(fēng)格，屬實(shí)是“抄”來(lái)的。
Stable Diffusion 是一個(gè)具備文字轉圖片/視頻能力的生成模型，可以用幾秒鐘時(shí)間就生成高分辨率、具備真實(shí)性和/或“藝術(shù)性”的視覺(jué)結果。在訓練方面，這個(gè)模型的初代版本采用了大約4000臺A100顯卡集群，用了一個(gè)月的時(shí)間。
而它的訓練數據，則來(lái)自于德國AI非營(yíng)利機構 LAION（全稱(chēng)大規模人工智能開(kāi)放網(wǎng)絡(luò )）。初代版本所采用的的訓練數據集，包括了近60億條圖片-文字平行數據。
很多和 Henson 一樣感到憤怒的藝術(shù)家們發(fā)現，原來(lái)是自己的作品，以及對應的文字平行數據（比如姓名），被收錄到了 LAION 相關(guān)數據集里——才導致了自己的作品和風(fēng)格，被這個(gè)爆紅的 AI 創(chuàng )作模型所“剽竊”。
從網(wǎng)上大規模搜集資料作為 AI 模型的訓練數據，早已不是什么新鮮事。事實(shí)上，今天我們正在使用的很多基于 AI 的技術(shù)和產(chǎn)品，包括并不限于搜索引擎、短視頻推薦算法、翻譯、圖像識別等，背后的模型在訓練階段都重度使用了一些知名數據集。
這些數據集的內容，絕大多數是沒(méi)有版權/使用目的限制的，無(wú)論最終是商業(yè)還是非商業(yè)目的，任何人都可以使用，只需要遵守相應的來(lái)源引用和使用規范即可。
不過(guò)，隨著(zhù)AI技術(shù)越來(lái)越先進(jìn)，應用領(lǐng)域越來(lái)越多樣，新的使用場(chǎng)景（比如今天討論的AI文字生成圖片）就對更大規模的訓練數據集，更多來(lái)自公開(kāi)網(wǎng)域的各種形式（文字、圖片、音頻、視頻等）的信息和資料，產(chǎn)生了巨大的需求。
當數據集從幾萬(wàn)，幾十萬(wàn)張圖片，“擴容”到幾億甚至幾十億張的規模時(shí)，這一過(guò)程當中，難免存在一些權利方面的漏洞。
而今天這些出離憤怒的藝術(shù)家們，就成為了權利漏洞，以及利用這些漏洞進(jìn)行商業(yè)化獲益行為的受害者。
他們的憤怒并非沒(méi)有理由。
畢竟 AIGC（AI生成內容）這一或將導致藝術(shù)家們失業(yè)的新技術(shù)領(lǐng)域，已經(jīng)成為現如今科技創(chuàng )業(yè)的大熱門(mén)，無(wú)數創(chuàng )業(yè)者、投資人瘋狂涌入。結果奪走他們工作的這個(gè)玩意兒，居然正是用他們的創(chuàng )作風(fēng)格所訓練出來(lái)的。
本來(lái)藝術(shù)家們已經(jīng)是一個(gè)普遍比較拮據的群體了?，F在這些 AI 端了人家的碗，還要砸人家的鍋——你說(shuō)他們能不生氣么……
Erin Hanson 圖片來(lái)源：本人
在藝術(shù)家和版權人士的呼吁和努力之下，現在已經(jīng)有人開(kāi)發(fā)出了一些工具，幫助權利人在大型數據集當中搜索自己主張權利的作品。
比如 LAION 自己做了一個(gè)網(wǎng)頁(yè)工具可以把文字轉換為 CLIP embedding，用于搜索描述相同或者相似的內容。再比如還有一個(gè)取名很巧妙的網(wǎng)站，叫做“Have I Been Trained”，幫助創(chuàng )作者搜索 LAION 數據集，查看自己的作品是否被用于訓練了。
圖片來(lái)源：Have I Been Trained?“Have I Been Trained” 的背后是一對居住在德國的藝術(shù)家和開(kāi)發(fā)者，他們表示：在幫助藝術(shù)家確認自己的作品是否被大規模數據集收錄之余，他們很快還將發(fā)布一套新的工具，允許藝術(shù)家能夠自主選擇作品是否被數據集所收錄。為此，這兩位開(kāi)發(fā)者已經(jīng)和多家從事大規模 AI 模型研發(fā)的機構和公司進(jìn)行了接洽。
對于“藝術(shù)家應該掌握作品是否被收錄控制權”這件事，Stability.AI 和 LAION 也表示同意。
然而即便如此，Stable Diffusion 也只是眾多 AIGC 類(lèi)模型的其中一個(gè)而已。還有更多模型/產(chǎn)品/項目處于未開(kāi)源狀態(tài)，藝術(shù)家和權利人想要正當維護自己的權益，所面臨的挑戰和阻礙，只會(huì )隨著(zhù)時(shí)間變得更多和更艱難。
直到這一問(wèn)題在全行業(yè)通過(guò)規范或制度解決之前，Stable Diffusion，以及包括 DALL·E 2、Midjourney 等在內的主流模型，仍將作為“AI侵權”指控的對象長(cháng)期存在。
/ 多方心血，一家獨占？ /
由于 Stability AI 這家公司在過(guò)去一直正面和側面將自己宣傳為 Stable Diffusion 項目幕后的功臣，像侵權這樣的鍋，也被該公司背上了。
然而侵權只是 Stability AI 當前面臨的諸多煩惱之一。就在前不久該公司完成1億美元融資，正式晉升為獨角獸之際，它突然發(fā)現：
正因為攬了太多的功勞，過(guò)去一起做項目的好伙伴，對自己意見(jiàn)很大……
故事要先從上周四說(shuō)起：一家名叫 Runway ML 的公司，在 Twitter 賬號上表示發(fā)布了 Stable Diffusion 1.5 版本。
網(wǎng)友一下子懵了：
等一下，你們這是正式版嗎？為啥 Stability AI 沒(méi)有任何公開(kāi)宣布或者支持呢？
圖片來(lái)源：@ScottieFoxTTV你們這個(gè)是 Stability AI 做的么？
圖片來(lái)源：@buZztiaan緊接著(zhù)就在發(fā)布當天，發(fā)布網(wǎng)站 Hugging Face 透露，收到了來(lái)自 Stability AI 的刪除請求：
Stability AI 表示 這個(gè)版本屬于其“知識產(chǎn)權泄露”，并要求 Hugging Face 下架這一發(fā)布……
就連 Hugging Face 自己也懵了，因為這樣的請求過(guò)去幾乎從沒(méi)有過(guò)。它在這個(gè)刪除請求下面加了一行字：為了保證過(guò)程透明公開(kāi)，請這個(gè)repo的所有者（Runway）和Stability AI 提供更多資料……
圖片來(lái)源：Hugging Face這究竟是怎么一回事呢？
首先我們需要再回顧一下 Stable Diffusion 的來(lái)歷：
需要明確的是，Stable Diffusion 的技術(shù)本身，其實(shí)來(lái)自于慕尼黑大學(xué)機器視覺(jué)學(xué)習組，和 Runway 公司。
今年的 CVPR22 大會(huì )上，這些研究者共同發(fā)表了一篇論文，研究的是潛伏擴散模型，論文的名字叫做 High-Resolution Image Synthesis with Latent Diffusion Models。正是這篇論文里的研究，在后來(lái)成為了 Stable Diffusion 模型的理論技術(shù)基礎。
圖片來(lái)源：Rombach 等人
從論文署名可以看到，除了 Esser 是 Runway 旗下研究部門(mén)的首席研究科學(xué)家之外，其他作者的隸屬單位均為慕尼黑大學(xué)——也就是說(shuō)，至少在論文發(fā)表的時(shí)候所有作者當中，沒(méi)有一人屬于 Stability AI。
可要是這樣的話(huà)，Stability AI 又是怎么跟這事兒攀上關(guān)系的呢？
Runway 公司的 CEO Cristóbal Valenzuela 透露了真相：
1）基礎版本的技術(shù)，或者說(shuō)論文，是慕尼黑大學(xué)和 Runway 一起搞的；2）Stable Diffusion，也就是對基礎版本進(jìn)行重新訓練后得到發(fā)布的正式版本，仍然是 Esser 和 Rombach（論文的兩位主要作者）二人主要開(kāi)發(fā)的；3）這個(gè)模型早在去年就正式開(kāi)源了4）Stability AI 在整個(gè)過(guò)程中做出的貢獻僅限于：為正式版本的訓練提供算力。
圖片來(lái)源：cvalenzuila / Hugging Face而結合行業(yè)流傳的比較靠譜的消息，以及 Stability AI 創(chuàng )始人兼 CEO Emad Mostaque 的表述，我們了解的情況是：
所謂的算力，就是 Mostaque 個(gè)人出錢(qián)買(mǎi)了四千張A100顯卡……
圖片來(lái)源：英偉達
以及，對于 Stable Diffusion 重新訓練所依賴(lài)的數據集 LAION-5B，Stability AI 也是這一其組織創(chuàng )建工作的出資人之一。
不管怎么樣，總的來(lái)說(shuō)，包括 Runway、Stability AI、慕尼黑大學(xué)等在內的幾家參與方，大家在 Stable Diffusion 的發(fā)布工作中的貢獻都是平等的。最一開(kāi)始并不存在，也不應該存在一家獨大的情況……
但是比較遺憾的是，在后續圍繞整個(gè) Stable Diffusion 項目的營(yíng)銷(xiāo)、宣傳，以及運營(yíng)工作當中，Stability AI 以及創(chuàng )始人 Mostaque，或多或少地突出甚至夸大了自己一方的貢獻和價(jià)值——對行業(yè)內外的用戶(hù)，以及媒體和公眾，都造成了不實(shí)的印象。
硅星人原文截圖 圖片來(lái)源：硅星人
事實(shí)上，Stability AI 這家公司，自己也在開(kāi)源的 Stable Diffusion 基礎之上，開(kāi)發(fā)了一個(gè)自己的網(wǎng)頁(yè)端應用 DreamStudio Lite——從這一維度，和其它也做了類(lèi)似事情的公司和團隊相比，Stability AI 跟它們并無(wú)實(shí)質(zhì)區別。
在 Valenzuila 站出來(lái)“硬剛” Stability AI 之后，底下的留言也基本一邊倒向了 Runway 這邊……
網(wǎng)友紛紛表?yè)P這位 CEO是“gigachad”（超級猛男）
很快，Stability AI 也撤回了刪除請求。
但該公司并沒(méi)有“示弱”。公司新任首席信息官 Dan Jeffries 暗戳戳地寫(xiě)了一篇文章，指責被合作伙伴“搶跑” 1.5 版本的做法非常不負責任。同時(shí)他又扔出了一套十分夸張的說(shuō)法，大意是：
“我們不發(fā)1.5版本，是因為我們收到了監管部門(mén)和公眾的意見(jiàn)，認為我們的模型不安全，會(huì )傷害到別人。所以我們接下來(lái)的主要任務(wù)是搞好安全?！?/span>
Dan Jeffries 文章標題 截圖來(lái)源：本人這里的“安全問(wèn)題”主要指的是模型被用于制作 NSFW 內容、Deepfake 等。而 Hugging Face 上討論此事網(wǎng)友對這篇文章表示：裝什么大尾巴狼呢？前幾個(gè)版本都有問(wèn)題怎么你們照發(fā)不誤呢？如果真要打擊 NSFW 的話(huà)，那是不是 Photoshop 和視頻制作軟件都別發(fā)新版本了？
在 Hugging Face 的帖子被關(guān)閉之前，仍然有極少數人站在 Stability AI 這邊，大意是說(shuō) Runway 這個(gè)做法不體面，一個(gè)真正“穩定”的版本應該大家一起商量發(fā)布，更何況 Stable Diffusion 這個(gè)命名，本身就印證著(zhù)它跟 Stability AI 有巨大的關(guān)系。
然而現在來(lái)看，Stability AI 和 Stable Diffusion 這兩個(gè)名字，誰(shuí)蹭誰(shuí)的熱度還不好說(shuō)呢。
注：封面圖來(lái)自于 Stability AI，版權屬于原作者。如果不同意使用，請盡快聯(lián)系我們，我們會(huì )立即刪除。
*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。
